LTX-2.5: LightricksがComfyUI向け22Bオープンビデオモデルを公開

概要

LTX-2.5は、LTX-2.3の後継となるLightricksのオープンビデオ基盤ファミリーの次世代モデルです。22Bパラメータの非対称デュアルストリームdiffusionトランスフォーマーを採用し、モダリティ対応の分類器なしガイダンスを用いた双方向クロスアテンションを通じて、ビデオとオーディオを共同生成します。テキストエンコーダには、学習済みプロジェクションを備えたGemma 4 12Bモデルを使用しています。

モデルはフルdevチェックポイントと蒸留済みの数ステップ版の両方で提供され、テキストから動画へ、画像から動画へ、動画から動画へ、テキストから音声生成、オーディオから動画への生成に対応しています。Lightricksによると、蒸留モデルを使用した場合、NVIDIAスーパーチップ上で画像から10秒のクリップを約6〜8秒で生成できます。

公式LTX-2.5ヒーローデモ(ltx.ioからのビデオ)

LTX-2.5の新機能

ネイティブマルチショット。 モデルは、ワイド、ミディアム、クローズアップショットといった連続したシーンを、キャラクター、環境、照明、音声をカット間で一貫させながら1回の生成で作成できます。

自動再生時間。 クリップの長さは記述されたアクションから予測されるため、手動でフレーム数を調整する手間なく、シーンが適切な再生時間に収まります。

ネイティブ4K HDR。 モデルは高解像度・高ダイナミックレンジ出力を目標としており、HDRパイプラインが公式ワークフローに組み込まれています。

Diffusion Fidelity Rendering (DFR)。 実写フッテージ、編集可能な結果、プロダクションパイプライン向けのシネマグレードEXR出力を目的とした新しいレンダリングパスです。

ウェイトとバリアント

Hugging Faceリポジトリには、公式ウェイトの完全なセットが用意されています：

• ベース: ltx-2.5-22b-dev-transformer-bf16.safetensors
• 蒸留版: ltx-2.5-22b-distilled-transformer-bf16.safetensors
• ComfyUI対応量子化: 蒸留トランスフォーマーのint8 convrotおよびNVFP4バリアント
• テキストエンコーダ: gemma4-12b-with-proj-ltx-2.5(BF16およびComfyUI int8 convrot)
• VAE: ビデオ用VAEとオーディオ用VAEを分離して提供
• アップスケーラー: 潜在空間用2倍アップスケーラーと潜在時間用2倍アップスケーラー
• アドオン: 蒸留LoRA(450)と再生時間ヘッド用のモデルパッチ

ComfyUIサポート

LTX-2.5はComfyUIで公開初日からサポートされています。テキストから動画へ、画像から動画へ、先頭/末尾フレームから動画生成の公式ワークフローテンプレートがComfyUIワークフローテンプレートライブラリで利用可能です：

Lightricksはまた、公式のComfyUI-LTXVideoラッパーを更新し、2.5サンプルワークフローの完全なセットを追加しました。シングルステージとツーステージ(アップスケール版)T2V/I2V、ICLoRAインペイントとアウトペイント、モーショントラッキング、ユニオンコントロール、テキストから音声生成をカバーしています。

リンク

• モデルページ: ltx.io/model
• ウェイト: Hugging Face上のLightricks/LTX-2.5
• ComfyUIラッパー: Lightricks/ComfyUI-LTXVideo
• ワークフローテンプレート: Comfy-Org/workflow_templates